Klasifikasi Kelayakan Sekolah Dalam Penyelenggaraan Asesmen Nasional Berbasis Komputer Menggunakan Machine Learning

Klasifikasi Kelayakan Sekolah Dalam Penyelenggaraan Asesmen Nasional Berbasis Komputer Menggunakan Machine Learning

• By Putra, Nuansa Pujangga;
• Jurnal
• 6
• 1-5

Transformasi digital dalam pendidikan mendorong penerapan Asesmen Nasional Berbasis Komputer
(ANBK) sebagai pengganti ujian nasional. Namun, banyak sekolah menghadapi kendala dalam
infrastruktur teknologi, kesiapan sumber daya manusia, dan manajemen, terutama di daerah terpencil.
Penelitian ini bertujuan untuk menganalisis kelayakan sekolah dalam menyelenggarakan ANBK
menggunakan metode Support Vector Machine (SVM) yang dioptimalkan dengan Particle Swarm
Optimization (PSO). Data dikumpulkan melalui survei dan observasi, kemudian diproses dengan
pembersihan data, transformasi fitur, serta pembagian data latih dan uji. Model SVM dioptimalkan
dengan PSO untuk meningkatkan akurasi klasifikasi. Hasil penelitian menunjukkan akurasi 94.59%,
dengan presisi kelas "Layak" 100% dan kelas "Tidak Layak" 42.86%. Recall kelas "Layak" mencapai
94.37%, sementara kelas "Tidak Layak" 100%, menunjukkan kemampuan model dalam mengenali
sekolah yang tidak layak. Meskipun akurasi tinggi, ketidakseimbangan presisi menunjukkan perlunya
penyesuaian parameter dan optimasi fitur.

• Katakunci anbk, kelayakan sekolah, machine learning, particle swarm optimization, support vector machine
• URL http://
• Penerbit IJCIT (Indonesia Journal on Computer and Informatika Technology, Jakarta Jawa Barat

REFERENSI

(1.) Bagus Pratama, Y., & Setiawan, A.
(2024). Implementasi Machine Learning
Menggunakan Algoritma K-Means
Untuk Klasifikasi Sekolah Dasar.
RESOLUSI : Rekayasa Teknik
Informatika Dan Informasi, 4(3), 249–
257. https://djournals.com/resolusi
(2.) Bumbungan, S., Kusrini, & Kusnawi.
(2022). Penerapan Particle Swarm
Optimization (PSO) dalam Pemilihan
Parameter Secara Otomatis pada
Support Vector Machine (SVM) untuk
Prediksi Kelulusan Mahasiswa
Politeknik Amamapare Timika. Jurnal
Teknik AMATA, 4(1), 81–93.
https://doi.org/10.55334/jtam.v4i1.77
(3.) Diki Hendriyanto, M., Ridha, A. A., &
Enri, U. (2022). Analisis Sentimen
Ulasan Aplikasi Mola Pada Google Play
Store Menggunakan Algoritma Support
Vector Machine Sentiment Analysis of
Mola Application Reviews on Google
Play Store Using Support Vector
Machine Algorithm. Journal of
Information Technology and Computer
Science (INTECOMS), 5(1), 1–7.
(4.) Emilia Ayu Wijayanti, Rahmadanti, T., &
Enri, U. (2021). Perbandingan Algoritma
SVM dan SVM Berbasis Particle Swarm
Optimization Pada Klasifikasi Beras
Mekongga. Generation Journal, 5(2),
102–108.
https://doi.org/10.29407/gj.v5i2.16075
(5.) Ninditama, I. P. (2021). Model Machine
Learning untuk Klasifikasi Keluarga
Sejahtera Study Kasus : Kecamatan
Kota Palembang. Jurnal Tekno Kompak,
15(2), 37.
https://doi.org/10.33365/jtk.v15i2.115
6
(6.) Pradana, A. I., Studi, P., Rekayasa, T.,
Lunak, P., Ilmu, F., Duta, U., Surakarta,
B., Studi, P., Komputer, T., Ilmu, F.,
Duta, U., Surakarta, B., Studi, P.,
Informasi, S., Ilmu, F., Duta, U.,
Surakarta, B., & Tengah, J. (2024).
PERBANDINGAN DATA UNTUK
MEMPREDIKSI KETEPATAN STUDI
Keberhasilan merupakan tujuan yang
menempuh Salah satu keberhasilan
mahasiswa tersebut dapat dilihat dari
ketepatan waktu dalam menyelesaikan
Keberhasilan studi mahasiswa dalam
menjalani proses pendidika. 8(2), 221–
228.
(7.) Sharazita Dyah Anggita, & Ferian Fauzi
Abdulloh. (2023). Optimasi Algoritma
Support Vector Machine Berbasis PSO
Dan Seleksi Fitur Information Gain Pada
Analisis Sentimen. Journal of Applied
Computer Science and Technology, 4(1),
52–57.
https://doi.org/10.52158/jacost.v4i1.52
4
(8.) Suryani, S., & Mustakim, M. (2022).
Estimasi Keberhasilan Siswa dalam
Pemodelan Data Berbasis Learning
Menggunakan Algoritma Support
Vector Machine. Bulletin of Informatics
and Data Science, 1(2), 81.
https://doi.org/10.61944/bids.v1i2.36
(9.) Teknologi, T. J., & Informasi, I. (2024).
IMPLEMENTASI SVM-PSO DALAM
ANALISIS SENTIMEN. 2(4), 97–110.
(10.) Warjaya, A., Meirza, A., Puteri,
N. R., & Niska, D. Y. (2024). Dalam
Pemilihan Laptop Terbaik dalam
Jurusan Ilmu Komputer Menggunakan
Metode Simple Multi Attribute Rating
Technique. 268610896, 1–11.